[发明专利]一种小慢目标的识别分类方法、装置、设备及存储介质

权利要求书

1.一种小慢目标的识别分类方法，其特征在于，包括：

获取待处理图像，并对所述待处理图像进行图像分割；

提取出所述待处理图像中的小慢目标的光流场特征点和灰度向量特征点，融合得到目标特征点；

将所述目标特征点输入至预先训练好的目标提取模型中，并接收所述目标提取模型输出的分类可信度概率；

根据所述分类可信度概率确定出所述小慢目标的目标类型。

2.根据权利要求1所述的方法，其特征在于，获取所述目标提取模型的过程包括：

获取样本图像；

对各所述样本图像进行图像分割；

提取出各所述样本图像中样本小慢目标的光流场特征点和灰度向量特征点，融合得到样本目标特征点；

将各所述样本目标特征点输入至学习网络进行学习训练，得到所述目标提取模型。

3.根据权利要求2所述的方法，其特征在于，在所述将各所述样本目标特征点输入至学习网络进行学习训练，得到所述目标提取模型之后，进一步包括：

利用差错样本对所述目标提取模型进行二次训练，并利用二次训练后的模型更新所述目标提取模型。

4.根据权利要求2所述的方法，其特征在于，进一步包括：

响应于操作者输入的修正指令，对所述学习网络的网络参数进行修正。

5.根据权利要求2所述的方法，其特征在于，所述学习网络具体为YOLO V3学习网络。

6.根据权利要求1至5任一项所述的方法，其特征在于，在所述获取待处理图像之后，进一步包括：

对所述待处理图像进行预处理操作。

7.根据权利要求6所述的方法，其特征在于，所述对所述待处理图像进行预处理操作具体包括：

对所述待处理图像进行滤噪处理和灰阶提升操作。

8.一种小慢目标的识别分类装置，其特征在于，包括：

获取模块，用于获取待处理图像，并对所述待处理图像进行图像分割；

提取模块，用于提取出所述待处理图像中的小慢目标的光流场特征点和灰度向量特征点，融合得到目标特征点；

输入模块，用于将所述目标特征点输入至预先训练好的目标提取模型中，并接收所述目标提取模型输出的分类可信度概率；

分类模块，用于根据所述分类可信度概率确定出所述小慢目标的目标类型。

9.一种小慢目标的识别分类设备，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述的小慢目标的识别分类方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的小慢目标的识别分类方法的步骤。